如何将字符向量的每个唯一元素均分为指定数量的分箱？

你可以通过分组后生成均匀分箱的方式实现需求，不管用dplyr还是base R都能搞定，以下是两种具体实现：

方法1：用dplyr分组处理 #

加载dplyr包后，按字符类别分组，在每个组内根据元素数量生成对应分箱编号：

library(dplyr)

# 生成原始向量
x <- rep(c("A","B","C"), times=c(6,8,3))

# 生成分箱向量
df <- tibble(x = x) %>%
  group_by(x) %>%
  mutate(x_bin = {
    n <- n()  # 获取当前组的元素总数
    base <- floor(n / 3)  # 每个分箱的基础元素数
    extra <- n %% 3       # 无法均分的剩余元素数
    # 前extra个分箱各多分配1个元素，剩下的分箱用基础数量
    times_vec <- c(rep(base + 1, extra), rep(base, 3 - extra))
    rep(1:3, times = times_vec)  # 生成重复的分箱编号
  }) %>%
  ungroup()

# 查看最终分箱结果
df$x_bin

运行后df$x_bin会输出：1 1 2 2 3 3 1 1 1 2 2 2 3 3 1 2 3，完全匹配你的需求。

方法2：用base R的ave函数（无需额外包） #

如果不想加载dplyr，用base R原生的ave函数也能实现：

# 生成原始向量
x <- rep(c("A","B","C"), times=c(6,8,3))

# 生成分箱向量
x_bin <- ave(seq_along(x), x, FUN = function(y) {
  n <- length(y)
  base <- floor(n / 3)
  extra <- n %% 3
  times_vec <- c(rep(base + 1, extra), rep(base, 3 - extra))
  rep(1:3, times = times_vec)
})

# 可选：将结果转为数值型
x_bin <- as.numeric(x_bin)

逻辑说明 #

核心思路是针对每个字符类别，先统计元素总数n，把n尽可能均匀地分成3份：

• 若n能被3整除，3个分箱的元素数完全相同；
• 若n无法被3整除，前n%%3个分箱各多分配1个元素，剩下的分箱用基础数量；
  最后用rep函数生成对应重复次数的分箱编号即可。

内容的提问来源于stack exchange，提问作者HappyPy